公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

虚拟化环境下多GPU并行计算研究被引量：5: 2016年; 针对大规模计算任务场景,提出在虚拟化环境下多GPU并行计算的实现方案,使用多线程或流处理的方式实现多GPU并行计算,并分析GPU多层次存储结构、传输等方面内容,采用经典的蒙特卡罗方法这一具有代表性的科学计算实例进行实验验证.; 闵芳张志先张玉洁; 关键词：GPU通用计算虚拟化并行计算蒙特卡罗

GPU虚拟化环境下的数据通信策略研究被引量：4: 2015年; 虚拟化技术能够以较低的成本和能源消耗共享有效的资源,一些应用程序往往需要利用图形处理器来加快它们的计算以提高性能。但是由于虚拟化本身的特点,在GPU虚拟化环境下进行CUDA应用开发会带来很大的性能开销。此外,当采用多GPU并行处理大规模的程序时,传统的GPU之间的数据交互方式是通过CPU来中转,不仅会带来"路程"上的开销,同时PCI-E相对于GPU显存的低带宽更是限制了数据传输的速率。针对以上问题,文中在Xen和VMware虚拟化平台下,针对CUDA应用的延迟和吞吐率找出最优的虚拟机间通讯方式,针对GPU之间不同的数据传输方式,找出最优通信方案,并从理论上和实验中分析出影响多GPU协同运算效率的因素。; 张玉洁吕相文张云洲; 关键词：GPU通用计算虚拟化 CUDA 数据通信

云计算环境下多GPU资源调度机制研究被引量：3: 2016年; 资源调度是云计算中的关键问题之一,它的调度机制与算法直接影响到云计算系统的性能及成本.GPU(graphics processing unit)正越来越多地被应用到通用计算领域,作为高性能云计算系统中的特殊计算资源,对GPU计算资源的调度有其特殊性.综合考虑计算任务在节点间以及节点内部的数据传输延迟,以充分利用系统GPU计算资源、掩藏传输延迟为目标,研究了云环境下多GPU的"传输&传输&执行"三段调度问题.提出一种云环境下GPU计算资源调度机制MGSC(Multi-GPU resource Scheduling scheme in Cloud environment):考虑了GPU计算中传输与计算的因素,讨论了在GPU计算中出现的四种资源需求情况,建立GPU计算资源模型;为了减轻中心节点的任务处理压力,设计了基于树型结构的GPU资源分布式检索算法.实验结果说明,MGSC在满足多用户共享GPU计算资源的同时,能够较好地提高云计算系统中GPU计算资源利用率,获得较高的服务质量,有效地减少资源闲置,降低服务提供者的服务成本.; 吕相文袁家斌张玉洁; 关键词：云计算 PROCESSING 资源调度

机场噪声感知节点泛网格化布局仿真研究: 2015年; 传统的机场噪声感知存在成本高、环境要求高、稳定性差、维护成本高、系统可扩展性差等问题,为此文中提出了一种基于ZigBee的新型机场噪声感知模式。该模式将成本低廉的传感器节点按密集非均匀的泛网格状布置于机场内部及围界,进行噪声数据采集并通过ZigBee网络经由路由节点发送至协调器节点进行汇总及处理,协调器节点经过移动网络传送给中心处理平台,从而实现对机场噪声情况的全面、可靠、准确的监控和管理。文中还提出了一种适用于新型机场噪声感知模式的泛网格化感知节点布局方法,并通过一系列实验分析确定了新型机场噪声感知模式中ZigBee感知节点布局方案。并将得到的布局方案应用于天津滨海国际机场,验证结果证实了新型感知模式和泛网格化布局方法的实用性与有效性。; 肖骁龚正张玉洁; 关键词：仿真 NS2 NS2

基于GPU的并行报文分类方法被引量：3: 2014年; 报文分类是网络设备的基本处理模式,通常采用报文过滤系统对每个报文进行分类。传统报文分类难以适应当今越来越高的网络流量,分类处理速度低于报文到达网络接口的速度,无法实现实时分析。因此,本文提出使用GPU对大规模报文集进行并行分类的方法,利用GPU的线程级并行处理能力加速报文分类吞吐率,并对其性能及优化方法进行详细分析。实验结果表明,GPU加速的Linear Search和RFC报文分类算法与纯CPU系统执行相比可达到4.4~132.5倍的加速比。; 张唯唯张玉洁; 关键词：GPU CUDA 报文分类并行计算

全选清除导出

共1页<1>

张玉洁